話接上回，怎么做這個(gè)圖

1.數(shù)據(jù)獲取：

https://github.com/CSSEGISandData/COVID-19這里只需要 "\csse_covid_19_data\csse_covid_19_daily_reports" 目錄下的每天的csv數(shù)據(jù)，其實(shí)也還有個(gè)文件夾是時(shí)間序列數(shù)據(jù)，但是疫情大熔爐US的數(shù)據(jù)沒有分各個(gè)州，做熱力圖的話那么一大片土地上只有一個(gè)紅點(diǎn)點(diǎn)沒啥意思，還是用daily_reports里的數(shù)據(jù)搞吧。GitHub可以下zip解壓，可以clone，這都不是重點(diǎn)。2.數(shù)據(jù)重塑：這一堆csv大概分三部分，第一部分是3月1日之前的，表格里面沒有經(jīng)緯度信息，也就是今天要搞的數(shù)據(jù)；第二部分是3月1日到3月21日，有經(jīng)緯度信息，US數(shù)據(jù)是按州統(tǒng)計(jì)；第三部分是3月21日之后的，US數(shù)據(jù)是按城市統(tǒng)計(jì)。試驗(yàn)了一下，按城市統(tǒng)計(jì)的熱力圖紅點(diǎn)紅不起來，就全部整理成按州統(tǒng)計(jì)的數(shù)據(jù)，大概生成下面這樣的數(shù)據(jù)框。 Province.State Country.Region Confirmed Deaths Recovered Latitude Longitude1 South Korea 3150 16 27 36 1282 Italy 1128 29 46 43 123 Iran 593 43 123 32 534 Japan 241 5 32 36 1385 Singapore 102 0 72 1.2833 103.83336 France 100 2 12 47 2

• R的數(shù)據(jù)類型

常規(guī)的就是字符串、數(shù)字、邏輯，這些到哪都一樣。然后是向量，矩陣，數(shù)組，數(shù)據(jù)框，列表，具體參見 https://www.runoob.com/r/r-array.html 。前三個(gè)本質(zhì)都是數(shù)組，只是維度不同，元素必須是同一類型。數(shù)據(jù)框就是把多個(gè)向量按列組合在一起，每一列就是一個(gè)向量，元素也要同一類型(也就是上圖里的顏色)。

• csv->data frame

先安裝大名鼎鼎的dplyr。這里直接安裝全家桶“tidyverse”完事。install.package('tidyverse')library(tidyverse)

?

data_dir?'~/COVID-19/csse_covid_19_data/csse_covid_19_daily_reports/'filesfor?(f?in?files[1:39]){ #3月1日前的數(shù)據(jù)??df?"UTF-8-BOM")???df #數(shù)據(jù)重塑函數(shù)，下面寫??write.csv(df,paste0('~/covid_data/',f))?#數(shù)據(jù)框?qū)懙搅硪粋€(gè)目錄下}

得到df是下面這樣的：需要完善數(shù)據(jù)

1.添加兩列經(jīng)緯度

2.把NA改成0

Province.State Country.Region Last.Update Confirmed Deaths Recovered1 Anhui M*inland China 1/22/2020 17:00 1 NA NA.14 Hubei M*inland China 1/22/2020 17:00 444 17 28.21 Macau Macau 1/22/2020 17:00 1 NA NA.32 Washington US 1/22/2020 17:00 1 NA NA.37 Thailand 1/22/2020 17:00 2 NA NA38 South Korea 1/22/2020 17:00 1 NA NA

經(jīng)緯度數(shù)據(jù)在https://github.com/CSSEGISandData/COVID-19有，在csse_covid_19_data/UID_ISO_FIPS_LookUp_Table.csv 里面

getLonlat function(){ geo_file'~/COVID-19/csse_covid_19_data/UID_ISO_FIPS_LookUp_Table.csv' lonlat% filter(Admin2=='') %>% select(Province_State,Country_Region,Lat,Long_) %>% filter(!is.na(Lat)) names(lonlat)'Province.State', return(lonlat)}lonlat#經(jīng)緯度

%>% 是管道，相當(dāng)于linux里面的"|"，把前面一句的結(jié)果傳遞給后面一句。上面的3-6行翻譯成人話就是：

“讀取csv的數(shù)據(jù)，再把Admin2是空的行篩選出來，再選擇Province_State, Country_Region, Lat,Long_這四列，再把Lat是空的行刪掉，最后得到的數(shù)據(jù)賦值給lonlat”

有些函數(shù)不支持管道，但是tidyverse包里的好像都可以。

lonlat里的是“China”，這里先把M*inland刪掉：

df$Country.Region$Country.Region,'M*inland ','')

按省份國家合并，然后時(shí)間列刪掉：

df% ??left_join(lonlat,by=c('Province.State','Country.Region')) %>%??select(-Last.Update)

關(guān)于join：

把NA改成0：

df[c('Confirmed',"Deaths","Recovered")][is.na(df[c('Confirmed',"Deaths","Recovered")])]<-0

得到df如下：

經(jīng)緯度里還有NA，怎么辦？原始數(shù)據(jù)跟geo表格對不上，改好一個(gè)發(fā)現(xiàn)后面又對不上……算了，用map api搜吧

Province.State Country.Region Confirmed Deaths Recovered Lat Long_1 Anhui China 1 0 0 31.82570 117.22642 Beijing China 14 0 0 40.18240 116.41423 Chongqing China 6 0 0 30.05720 107.8740.14??????????Hubei??????????China???????444?????17????????28?30.97560??112.2707.36 Japan 2 0 0 36.20482 138.252937 Thailand 2 0 0 15.87003 100.992538 South Korea 1 0 0 NA NA

因?yàn)榈孛怯⑽?#xff0c;高德百度的api不好用，這里使用了某個(gè)不存在的api，具體方法不予顯示：

get_geocode_google function(a){ #install.package('httr') #library(httr) url'https://maps.googleapis.com/maps/api/geocode/json' key'==手動(dòng)滑稽==' reslist(key=key,address=a),use_proxy( json if (json$status=="ZERO_RESULTS"){return(list(lat=0,lng=0))} return(json$results[[1]]$geometry$location)}add_geo2df function(df){ for (i in 1:nrow(df)){ geo if (!exists('df_geo')){ df_geo }else{ df_geo } } return(df %>% select(-Lat,-Long_,-address) %>% bind_cols(df_geo))}df1% filter(is.na(Lat)) %>% #經(jīng)緯度為空的行 mutate(address=paste(Province.State,Country.Region)) #生成新的列，用于查詢apidf1#使用api查詢經(jīng)緯度df% filter(!is.na(Lat)) %>% #經(jīng)緯度不為空的行 bind_rows(df1) %>% #與前面的行合并 filter(!(Lat==0&Long_==0)) #再把經(jīng)緯度為0的行刪掉

獲得完整數(shù)據(jù)如下：

Province.State Country.Region Confirmed Deaths Recovered Lat Long_1 Anhui China 1 0 0 31.82570 117.22642 Beijing China 14 0 0 40.18240 116.41423 Chongqing China 6 0 0 30.05720 107.8740.13 Hubei China 444 17 28 30.97560 112.2707.38 South Korea 1 0 0 35.90776 127.7669

下面是目前為止的R文件，跑完應(yīng)該就能獲得39個(gè)csv文件

library(tidyverse)library(httr)data_dir '~/COVID-19/csse_covid_19_daily_reports/'fileslist.files(data_dir,full.names = F)getLonlat function(){ geo_file'~/COVID-19/csse_covid_19_data/UID_ISO_FIPS_LookUp_Table.csv' lonlat% filter(Admin2=='') %>% select(Province_State,Country_Region,Lat,Long_) %>% filter(!is.na(Lat)) names(lonlat)'Province.State',??lonlat'Diamond?Princess?cruise?ship',Country.Region= Lat=35.4437,Long_=139.6380)?#手動(dòng)添加鉆石公主號坐標(biāo) return(lonlat)}lonlat#經(jīng)緯度dfget_geocode_googlefunction(a){ url'https://maps.googleapis.com/maps/api/geocode/json'??key'YOUR_GOOGLE_MAPS_API_KEY'? reslist(key=key,address=a),use_proxy( json if (json$status=="ZERO_RESULTS"){return(list(lat=0,lng=0))} return(json$results[[1]]$geometry$location)}#把經(jīng)緯度加入數(shù)據(jù)框add_geo2dffunction(df){ for (i in 1:nrow(df)){ geo if (!exists('df_geo')){ df_geo }else{ df_geo } } return(df %>% select(-Lat,-Long_,-address) %>% bind_cols(df_geo))}dataReshape function(df){??df$Country.Region'M*inland?', df% left_join(lonlat,by=c('Province.State','Country.Region')) %>% select(-Last.Update) df[c('Confirmed',"Deaths","Recovered")][is.na(df[c('Confirmed',"Deaths","Recovered")])]<-0 df1% filter(is.na(Lat)) %>% mutate(address=paste(Province.State,Country.Region)) df1 df% filter(!is.na(Lat)) %>% bind_rows(df1) %>% filter(!(Lat==0&Long_==0))}for (f in files[1:39]){ df"UTF-8-BOM") df write.csv(df,paste0(getwd(),'/covid/',f))}

與50位技術(shù)專家面對面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的snmp 获取mac add table_R语言学习笔记（1）数据获取与数据重塑的第一部分的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。